一种多模态时序健康数据的异常识别方法及系统

本发明公开了一种多模态时序健康数据的异常识别方法及系统，本发明包括以下步骤：采集用户的生理数据、医学影像数据、文本数据、语音数据及环境数据；对多模态数据进行清洗、时间对齐和标准化；通过LSTM、U‑Net、ResNet、RoBERTa和EmotionNet分别提取各模态特征；将特征嵌入统一的特征空间，添加位置编码后输入Transformer模型；通过多层编码堆叠结构进行模态间相关性建模，最终通过全连接网络输出健康状态分类结果；本发明支持模态缺失情况下的异常检测，具有较强的鲁棒性和扩展性，广泛适用于健康监测、医疗辅助诊断及个性化健康管理场景。